（定稿）危旧住房改造工程项目投资申请报告3（喜欢就下吧）

瑕疵面积的计算法在本系统中瑕疵的面积可以直接用来代替，当瑕疵面积小于人为设定的参数时，我们就对该瑕疵判断为合格。

反之，则判断为不合格。

瑕疵长的计算法计算瑕疵长时，基于瑕疵的线性特征，首先对瑕疵做细化操作，得到单像素宽的瑕疵骨架曲线。

瑕疵的长度实际上就是骨架图像骨干点之间的长度之和。

骨化后的图像是个单像素宽度的连通性好的骨干图像。

可以分别求取相邻像素之间的长度，然后把所有的相邻像素之间的距离求和即为所得，如下式公式，和，是相邻骨干点的两个点是水平方向的比例因子，即水平方向上的像素个数与实际情况水平长度的比值是垂直方向的比例因子，即水平方向上的像素个数与实际情况垂直长度的比值是两个相邻像素之间的长度。

总长度即为所有相邻像素之间的长度之和。

当瑕疵长小于人为设定的参数时，我们就对该瑕疵判断为合格。

反之，则判断为不合格。

瑕疵宽的计算法计算瑕疵宽时，仍然对瑕疵做细化操作后，骨架各点所在的瑕疵的位置的宽度反应出瑕疵各段的宽度。

由于骨架曲线是单像素曲线，则个骨架点与相邻点的其他两个骨架点相接，分别求出与相邻点的斜率。

则每个斜率的垂线与瑕疵边缘相交两点，两点的连线的大小即为宽度值。

比较这两个宽度值其中较小的为这个瑕疵的宽度。

设骨架曲线的其中个骨架点用，表示，其相邻骨架点分别为，和，。

骨架线在点的斜率近似用直线的，，，，，导师评语率表示，则斜率表示为公式过骨架点斜率为的直线与瑕疵图像边缘交于两点，记为，。

则此瑕疵的宽度表达式为公式同理，骨架线在点的斜率近似用直线表示，同样的原理求出，然后比较与的大小，取较小值作为瑕疵的宽度。

最后结果，。

当瑕疵宽小于人为设定的参数时，我们就对该瑕疵判断为合格。

反之，则判断为不合格。

实际的检测效果如下，图密封圈灰度图为相机步骤到的密封原图，图算法最终的处理结果为本算法得到的最终的处理结果，可以看到，所有位于密封圈表面上的瑕疵都被检测出来了图密封圈灰度图图算法最终的处理结果实验结果我们的最终成果如图所示，我们已经搭建出了检测平台包括相机光源嵌入式主板触摸屏显示器等元素。

软件的识别算法也能达到预计的水平。

图成果图本章小结本章主要讲述了密封圈表面识别算法的主要流程。

并对每个步骤用文字公式和图片的方式进行了详细的解说。

第章总结与展望本文讲述了密封圈的图像采集结束后如何通过利用嵌入式图像处理技术，对密封圈上的瑕疵图像进行处理，提取出瑕疵的信息，并对瑕疵的特征参数与密封圈合格标准参数进行比较，筛选出合格的密封圈的过程。

根据瑕疵的特有的特征，对比当前流行的图像识别算法，改进出套更加适合密封圈检测的图像识别算法。

算法中对均值滤波和中值滤波图像二值化特征提取等过程均作了改进。

实现了较为快速适合的密封圈识别算法。

当前所有的算法都是用语言在上实现的，但是能否直接用在工业上检测密封圈，该算法还需要在速度上和精确性上得到提高，在之后的这段时间我会继续努力在机器视觉上寻求新的突破。

将来展望机器视觉将完全代替人工肉眼完成所有的检测识别。

参行分区域统计。

遍历图片内存。

统计的区域划分如图所示图分区域法示意图对蓝色区域的共个区域分别进行直方图统计，每个区域都求出相对应的阈值，遍历该区域内的像素点成员当，的像素值与阈值之间的灰度差距大于人为设定的参数时，就说明该点与周围像素环境之间存在着明显的不同。

可将该点的灰度值赋值为。

否则该点赋值为。

公式如下当时当时公式最终从得到的新二值图像内存数组命名为。

该数组的亮度信息如图所示。

图二值图可以在上图中看出，瑕疵的信息因为局部二值化的关系而被很好的保留了下来。

瑕疵特性参数计算瑕疵特征的提取主要包括瑕疵面积长度和宽度的计算等。

为了要提取出这些信息，可以用区域生长法来完成。

区域生长法提取普通的区域生长法是连通法。

就是对个点的上，左上，右上，左，右，下，左下，右下共个方向进行遍历扫描，如果在该遍历方向上也存在与当前遍历点的像素值相同的点时，就将该个点看做都是属于同个瑕疵上的像素点。

但是考虑到当前系统中捕捉到的瑕疵往往是属于狭长的缝。

而用连通法提取狭长缝隙的信息时就很有可能就会造成缝的断裂。

最终会导致将条缝的信息分为了块或多块连通区域信息来处理。

为了避免这现象，我们将区域生长法做了如下改进首先定义下瑕疵的结构体数组用来保存每个瑕疵的信息，结构体成员信息可以是瑕疵长，瑕疵宽，瑕疵面积等等。

本系统采用的是可调节的全方位拓展法求区域生长。

设每个方向上向外拓展个像素。

如图全方位拓展法求所示，点上的每个方向的像素都向外拓展了个像素，即。

入队出队图全方位拓展法求区域生长扫描内存数组信息里的目标圆环区域，如果发现点的像素值，等于时，就将该点标记为点，并堆入队列中。

每次遍历队列，如果发现队列不为空，就让队尾元素出队，出队的同时，记录下当前出队的点的坐标位置并以该点做为基准往个方向连通个像素出去，形成个的窗口如图全方位拓展法求所示。

遍历窗口里的点成员如果该点位于内存数组的目标圆环检测区域内，并且该点对应的像素值，等于时，就亦将该点标记为点，并堆入队列中。

如此依次循环。

在往复的过程中如果发现当前出队点的轴坐标小于在它之前出队的点的轴，就将的值赋值给变量。

如果发现当前出队点的轴坐标大于在它之前出队的点的轴，就将的值赋值给变量。

如果发现当前出队点的轴坐标小于在它之前出队的点的轴，就将的值赋值给变量。

如果发现当前出队点的轴坐标大于在它之前出队的点的轴，就将的值赋值给变量。

直循环到队空为止。

此时，则说明条瑕疵的信息遍历结束。

记录下此时的，四个值，并统计好之前的入队的个数。

则有公式公式这样，对于瑕疵信息数组，每个成员都代表的是每个瑕疵在维图像上的所有信息。

瑕疵的判断虽然我们根据全方位拓展法求得了瑕疵数组。

但是并不是所有的瑕疵都会影响产品的合格与否。

所以我们还要通过计算各个瑕疵的特性，排除掉些无关紧要的瑕疵。

对于般密封圈表面来说，些很小的点瑕疵，极短的缝瑕疵，以及位于圆环表面的瑕疵都对密封圈的使用没有任何影响。

所以我们要通过计算，将这些瑕疵排考文疗肝癌肺癌胃癌的靶向制剂，以及治疗神经性皮炎和 哮喘的药物等。

企业财务经济状况 公司从年销售收入万元至年万元，年交税 多万元，利润达万元的经营状况看，公司呈现良好的发 作为公司的重点工作之，历年来均投入大量的资金，年共投入 多万元约占销售收入的。

公司目前主要致力于皮肤病药物抗结 核药物以及对疑难病治疗药物开发，现处于研制阶段的有乳腺癌治疗 药品牌上下功夫，先 后研制试制开发了联苯苄唑凝胶克拉霉素胶囊尼美舒利干混悬 剂喷昔洛韦乳膏他扎罗汀凝胶阿维胶囊等创新产品。

公司的新产品开发由新品部负责，直接由总经理领导，新产品开员 人，制药固体口服制剂的异地技术改造项目，项目在完成 固体口服制剂老品种搬迁的基础上，同时对类新药马来酸替加色罗片 实施产业化以及公司主推品种四类新药阿维胶囊盐酸左西替利嗪片 尼美舒利干混悬剂生产规模的扩大。

本项目为异地新建固体口服制剂生产厂房及生产线，采用合理的处 方和生产工艺，利用先进的生产设施和设备，从而实现新产品的产业化 老产品生产规模的扩大建设，并促进项目相关产业的发展。

项目建设可推动化工原料工业的进步发展。

项目产品均系化学药 品，其所需的原料药系以化工产品为原料通过化学合成方法而得到。

因 此，思平为重庆华邦制药股份有限 公司生产部经理北部新了最大涨幅，从分类物业指数看，重庆市也显现了较大涨幅。

市场前景重庆市位于地开发面积万平方米，同比下降累计发生土地购置费亿元，同比下降商品房竣工万平方米，同比下降月商品房销售面积万平方米，同比增长。

价格趋升。

根据统计局数据显示，商品房销售表现出量增价升总体态势。

去年同期全市商品房销售价格均价为元平方米，今年均价为元平方米，上涨了元平方米其中住宅售价为元平方米，写字楼为元平方米，商业营业用房售价为元平方米。

消费增长。

重庆市房地产市场出现日渐升温市场趋势，这不仅与重庆地区地区，大量国外资金和国内资金涌入重庆，寻求投资发展，激活了重庆经济环境，带旺了人气，为重庆经济迅速发展提供了大量机遇和条件。

随着国际国内实力雄厚财团公司进入重庆，国内外驻重庆机构代表处设立以及本地区迅猛发展形成个人财富，成为重庆房地产产业发展强大动力。

重庆市房地产市场发育程度和价格水平与沿海城市相比存在较大差距，但发展速度较快，特别是年月设立直辖市以来，持续增长需求成为重庆市房地产发展巨大动力。

中房指数显示，年重庆市保持了最大涨为。

最热为月，极端气温，平均气温为。

最冷 为月，极端最低气温，平均气温为观道温泉项目选址在公园入口西侧的竹林内，紧邻楼观台人文景观精华老子 说经台，西侧为省珍稀野生动物抢救中心，东侧为百竹园，北侧为百花园二期项目未来 用地。

基地现状植被较好，景观质量优良，生态 的秦岭北麓，距离西安市公里。

由西安经达的公路有绕城高速公路西安汉 中高速公路秦岭北麓环山旅游公路以及西安宝鸡高速公路国 道国道，从西安自驾车约分钟。

楼闲度假 旅游的潜力除在外。

瑕疵面积的计算法在本系统中瑕疵的面积可以直接用来代替，当瑕疵面积小于人为设定的参数时，我们就对该瑕疵判断为合格。

反之，则判断为不合格。

瑕疵长的计算法计算瑕疵长时，基于瑕疵的线性特征，首先对瑕疵做细化操作，得到单像素宽的瑕疵骨架曲线。

瑕疵的长度实际上就是骨架图像骨干点之间的长度之和。

骨化后的图像是个单像素宽度的连通性好的骨干图像。

可以分别求取相邻像素之间的长度，然后把所有的相邻像素之间的距离求和即为所得，如下式公式，和，是相邻骨干点的两个点是水平方向的比例因子，即水平方向上的像素个数与实际情况水平长度的比值是垂直方向的比例因子，即水平方向上的像素个数与实际情况垂直长度的比值是两个相邻像素之间的长度。

总长度即为所有相邻像素之间的长度之和。

当瑕疵长小于人为设定的参数时，我们就对该瑕疵判断为合格。

反之，则判断为不合格。

瑕疵宽的计算法计算瑕疵宽时，仍然对瑕疵做细化操作后，骨架各点所在的瑕疵的位置的宽度反应出瑕疵各段的宽度。

由于骨架曲线是单像素曲线，则个骨架点与相邻点的其他两个骨架点相接，分别求出与相邻点的斜率。

则每个斜率的垂线与瑕疵边缘相交两点，两点的连线的大小即为宽度值。

比较这两个宽度值其中较小的为这个瑕疵的宽度。

设骨架曲线的其中个骨架点用，表示，其相邻骨架点分别为，和，。

骨架线在点的斜率近似用直线的，，，，，导师评语率表示，则斜率表示为公式过骨架点斜率为的直线与瑕疵图像边缘交于两点，记为，。

则此瑕疵的宽度表达式为公式同理，骨架线在点的斜率近似用直线表示，同样的原理求出，然后比较与的大小，取较小值作为瑕疵的宽度。

最后结果，。

当瑕疵宽小于人为设定的参数时，我们就对该瑕疵判断为合格。

反之，则判断为不合格。

实际的检测效果如下，图密封圈灰度图为相机步骤到的密封原图，图算法最终的处理结果为本算法得到的最终的处理结果，可以看到，所有位于密封圈表面上的瑕疵都被检测出来了图密封圈灰度图图算法最终的处理结果实验结果我们的最终成果如图所示，我们已经搭建出了检测平台包括相机光源嵌入式主板触摸屏显示器等元素。

软件的识别算法也能达到预计的水平。

图成果图本章小结本章主要讲述了密封圈表面识别算法的主要流程。

并对每个步骤用文字公式和图片的方式进行了详细的解说。

第章总结与展望本文讲述了密封圈的图像采集结束后如何通过利用嵌入式图像处理技术，对密封圈上的瑕疵图像进行处理，提取出瑕疵的信息，并对瑕疵的特征参数与密封圈合格标准参数进行比较，筛选出合格的密封圈的过程。

根据瑕疵的特有的特征，对比当前流行的图像识别算法，改进出套更加适合密封圈检测的图像识别算法。

算法中对均值滤波和中值滤波图像二值化特征提取等过程均作了改进。

实现了较为快速适合的密封圈识别算法。

当前所有的算法都是用语言在上实现的，但是能否直接用在工业上检测密封圈，该算法还需要在速度上和精确性上得到提高，在之后的这段时间我会继续努力在机器视觉上寻求新的突破。

将来展望机器视觉将完全代替人工肉眼完成所有的检测识别。

参